Antibiotika för behandling av särskilt resistenta sjukdomar, molekyler som blockerar överreaktioner av immunsystemet, molekyler som hämmar tillväxten av cancerceller genom att ta bort överskott av järn, molekyler som kan öka matsmältningen av fetter:allt detta och mer har upptäckts under de senaste åren med hjälp av en unik datoriserad metod för att lösa särskilt komplexa problem.

Under de senaste fem åren har en iterativ stokastisk elimineringsalgoritm (ISE) utvecklad i laboratoriet för prof. Amiram Goldblum, vid hebreiska universitetet i Jerusalem Institute for Drug Research, har tillämpats för upptäckten av potentiella läkemedel. Institutet är en del av Farmaceutiska skolan vid Medicinska fakulteten. Först testad för att lösa problem i strukturen och funktionen hos proteiner, algoritmen har sedan använts för att minska upptäcktstiden för läkemedel - från år till månader och till och med till veckor.

Goldblums lösning skiljer sig från algoritmer som kallas heuristik, som är baserade på att härleda lösningar med logik och intuition, och föreslår bättre lösningar. I det här fallet, algoritmen producerar en modell för små molekylers aktivitet på ett eller flera proteiner som är kända för att orsaka sjukdomen. En modell är en uppsättning filter av fysikalisk-kemiska egenskaper som skiljer mellan aktiva och icke-aktiva molekyler, eller mellan mer och mindre aktiva. Miljontals molekyler kan sedan screenas av modellen, vilket möjliggör poängsättning av varje molekyl med ett tal som återspeglar dess förmåga att passera genom filtren baserat på sina egna fysikalisk-kemiska egenskaper.

En modell av denna typ byggs vanligtvis på några timmar och kan screena miljontals molekyler på mindre än en dag. Därför, inom några dagar eller mer, det är möjligt att göra initiala förutsägelser om kandidatmolekylerna för en specifik aktivitet för att bekämpa en sjukdom. De flesta av dessa kandidater har aldrig varit kända för att ha någon biologisk aktivitet.

För utvecklingen av denna algoritm, Professor Goldblum vann ett American Chemical Society Prize 2000. Sedan dess har algoritmen har löst många problem relaterade till att förstå olika biologiska system såsom proteinflexibilitet, interaktioner mellan proteiner och små molekyler, och mer. Dessa och andra upptäckter härrör från samarbeten mellan Goldblums laboratorium, där hans elever använder algoritmen för att lösa olika problem, och laboratorier och läkemedelsföretag i världen som testar Goldblums förutsägelser i Tyskland, Japan, USA och naturligtvis i Israel.

Med styrkan i Goldblums teknik, företaget Pepticom grundades 2011 av Yissum, tekniska överföringsarmen vid hebreiska universitetet, att revolutionera upptäckten av nya peptidläkemedelskandidater. Pepticoms nyckeltillgång är en exceptionell plattform för artificiell intelligens som syftar till att designa peptidligander baserade på lösta kristallstrukturer av proteiner.

Brett program

Algoritmen kan tillämpas på andra typer av problem, där antalet möjligheter är enormt och inte kan lösas även om världens mest kraftfulla datorer skulle fungera tillsammans. Dessa inkluderar problem där antalet möjliga utfall är 10 till 100 (10100) och mer, t.ex. problem med landtransport, flyg, kommunikation och biologiska system.

Inom transportområdet, detta kan innebära att man hittar alternativa sätt att ta sig från en punkt till en annan med hjälp av trafikdata på var och en av de alternativa vägar som leder mellan de två punkterna. Inom luftfarten, ett optimalt arrangemang av landningar och start på trafikerade flygplatser. Inom telekommunikation, hitta de billigaste rutterna inom en komplex uppsättning kommunikationskablar. Och inom biologi, en modell som är konstruerad på grundval av några dussin eller hundratals molekyler tjänar till att screena miljontals molekyler och att upptäcka nya läkemedelskandidater. Dessa skickas sedan till experimentella laboratorier för att utvecklas vidare, och i vissa fall varit avgörande för att utveckla behandlingen av Alzheimers sjukdom och olika former av cancer.